Formation - Calculs scientifiques avec Python

Référence : As4qNQ7V4C5B

Durée : 21 h sur 3 j

Vous connaissez Python est vous souhaitez découvrir les possibilités en analyse et modélisation de données scientifiques qu'offre ce langage de programmation. Cette formation est faite pour vous !

Détails de la formation

Méthodes et outils pédagogiques

Alternance entre apports théoriques et exercices pratiques
Support de cours fourni lors de la formation

Objectifs de la formation

Manipuler, analyser et visualiser vos données avec les principales librairies de la SciPy Stack : NumPy, SciPy, Pandas et MatPlotLib.

Méthodes d'évaluation

Emargement par demi-journée
Evaluation des acquis par mise en situation de travail
Evaluation qualitative de fin de stage

Les plus

Formation courte dispensée par un formateur expert qui vous permettra d'apprendre rapidement à manipuler les données.

La formation peut être adaptée / personnalisé pour mieux répondre à vos besoins.

Pré-requis

Disposer des connaissances de base du langage Python et des concepts de programmation orientée objet. De bonnes connaissances mathématiques seront fortement appréciées

Modalités d'enseignement

En présentiel
En distanciel

Public cible

Tous publics

Programme

Introduction

Présentation des modules NumPy, Pandas et SciPy

Visualiser vos données avec MatPlotLib

Installer les librairies nécessaires

Utilisation de MatPlotLib

Un outil de visualisation de données mathématiques

Produire un graphique en 2D

Produire un graphique en 3D

Afficher plusieurs figures simultanément

Sauvegarder un graphique MatPlotLib

Intégration MatPlotLib / Application Qt

NumPy et les calculs algébriques et matriciels

Les tableaux et les matrices

Le shape des matrices et le reshape

NumPy et les fichiers

Indexing, subsetting et slicing Opérations proposées sur vecteurs et matrices

Les fonctions trigonométriques

Algèbre linéaire avec NumPy Les nombres complexes et l'algèbre complexe

Visualisation des résultats avec MatPlotLib

SciPy et le calcul scientifique

L’écart-type et la variance

La régression linéaire

Intégration

Opérations d'algèbre linéaire avec SciPy Interpolation avec le module scipy.interpolate

Ajustement de courbe avec le module scipy.optimize

Transformée de Fourier avec le module scipy.fft

Traitement d'images avec SciPy

Utilisation de Pandas

Introduction

Les différentes sources de données supportées par Pandas

Series et DataFrame

Indexation et sélection des données

Manipulation des données